واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering
واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering

تحلیل اقتصادی از بیکاری و سرمایه گذاری در کشور

مشاور اقتصادی رئیس‌جمهوری درآمد خانوارها در‌ سال ٩٣ معادل دهه ٨٠ است وزیر کار: سیاست‌های صدقه‌ای راه مبارزه با فقر نبود درآمد سرشار نفت در دولت گذشته صرف اشتغال دهه شصتی ها نشد
«دخل و خرج جور در‌نمی‌آید»، «زندگی خرج دارد»، «عائله‌مندم» اینها جملاتی است که این روزها بیشتر از هر زمانی شنیده می‌شوند.

به گزارش عصر ایران، روزنامه شهروند نوشت: جملاتی که حالا مسعود نیلی مشاور اقتصادی رئیس‌جمهوری نیز بر آن صحه گذاشته و اعلام می‌کند؛ رفاه خانوارها از‌سال ۸۷ روند نزولی داشته است.

او که پیشتر اعلام کرده بود؛ هر فرد شاغل درکشور ما ٦/٣نفر را سرپرستی می‌کند درحالی ‌که درکشورهای مختلف افرادی که شاغل هستند، به‌طور میانگین سرپرستی ٢/٢ افراد را برعهده دارند، حالا از واقعیت تلخ دیگری پرده برمی‌دارد؛ «درآمد خانوارها در ‌سال ۹۳ تقریبا معادل درآمد اوایل دهه۸۰ است، این آمار نشان می‌دهد بنیه اقتصادی خانوارها ضعیف شده به‌گونه‌ای که حتی توان پس‌انداز برای سال‌های آینده وجود ندارد».اما بی‌توجهی به سطح درآمد طی سال‌های گذشته موجب شده که ٦٨‌درصد فقرا را شاغلان، ٢٤‌درصد را صاحبان درآمد بدون کار و ٤‌درصد را بیکاران تشکیل می  دهند.

معضل کار برای دهه شصتی‌ها

کاهش سطح رفاه مردم درشرایطی صورت گرفته که حجم انبوهی از جوانان جویای کار دهه٦٠ از اواخر دهه٨٠ روانه بازار شد و درعین حال اقتصاد کشور نتوانست به این حجم از تقاضای متقاضیان پاسخ دهد. آمارهای ارایه‌شده ازسوی مشاور اقتصادی رئیس‌جمهوری نشان می‌دهد که یک‌میلیون و۴۲۲‌هزار نفر در یک‌سال منتهی به تابستان ۹۳، ۸۷۲‌هزار نفر منتهی به بهار ۹۴، یک‌میلیون و۳۸۲‌هزار نفر در ۱۲ماه منتهی به تابستان ۹۴، ۸۶۱‌هزار نفر در یکسال منتهی به پاییز ۹۴، ۵۱۵‌هزار نفر در ۱۲ماه منتهی به زمستان‌سال ۹۴، یک‌میلیون و۲۴۵‌هزار نفر در یک‌سال منتهی به بهار ‌سال‌جاری و یک‌میلیون و۲۳۰‌هزار نفر در یک‌سال منتهی به تابستان ‌سال‌جاری وارد بازار کار شدند. این درحالی است که طی یک‌دهه گذشته سالانه تقریبا ۸۰‌هزار جویای شغل وارد بازار کار می‌شدند.

نیلی دراین‌باره با اشاره به این‌که جمعیت شاغل کشور در ‌سال ۸۴ حدود ۲۰‌میلیون و۶۰۰‌هزار نفر بود، توضیح داد: این میزان در ‌سال ۹۱ نیز ثابت ماند، به‌طوری که باید گفت؛ خالص ایجاد اشتغال در این ۷‌سال تقریبا صفر بود؛ همزمان با نیروی انباشت و متقاضی شغل شاهد ورود متقاضیان جدید الورود به بازار کار بودیم و این موضوع منجر شد تا پدیده بیکاری بحرانی شود.

زنگ خطر بیکاری

حالا در شرایطی که زنگ خطر بیکاری در کشور به صدا درآمده، برخی از کارشناسان اقتصادی نسبت به تبعات افزایش فقر در جامعه هشدار می‌دهند. میثم‌هاشم خانی دراین‌باره به «شهروند» می‌گوید: عقیم شدن اقتصاد ملی ما برای زایش اشتغال که ١٠‌سال استمرار داشته، در ترکیب با رشد اقتصادی نامناسب، هجوم قریب‌الوقوع حدود ٥‌میلیون فارغ‌التحصیل دانشگاهی به بازار کار و نیز مضیقه بودجه‌ای دولت به ‌واسطه نفت ٥٠دلاری، به معنای چشم‌انداز تیره و تار بازار کار درکشور است. او ادامه می‌دهد: این وضع فشار سنگینی را بر خانوار‌های فقیری تحمیل خواهد کرد که تقریبا تمام درآمد خود را از عرضه نیروی کار و دریافت دستمزد (و نه از سرمایه‌گذاری) کسب می‌کنند. درچنین اوضاعی بخش بزرگی از فقیرترین خانوارهای کشور، حتی درصورت یافتن شغل هم، قدرت چانه‌زنی بسیار اندکی در تعیین دستمزد دارند. او معتقد است که دولت با تولید اشتغال انبوه در صنایع هدایت‌بر و کم‌هزینه می‌تواند بحران فعلی را پاسخ دهد.

سیاست‌های صدقه‌ای راه مبارزه  با فقر نبود

«سیاست‌های صدقه‌ای راه مبارزه با فقر نبود و اکنون با انباشتی از بیکاران روبه‌رو شده‌ایم.» این موضوعی است که روز گذشته علی ربیعی در همایش رشد فراگیر، تاویلی از اقتصاد مقاومتی مطرح کرد و افزود: به راهبردی رشد نیاز داریم؛ زیرا پاشیدن پول دردی درمان نمی‌کند و فقط موجب فساد می‌شود. ربیعی گفت: زمانی تصور می‌شد خصوصی سازی راهکار اقتصاد ایران است اما همه اینها به توسعه منجر نشد. به گفته او جامعه متکی به صنعت نفت به توزیع نابرابر دامن می‌زند و اشتغال در آن پایین است؛ امروز دیگر کارهای بزرگی مانند جاده سازی یا ساختمان سازی اشتغال ایجاد نمی‌کند. وزیر تعاون، کار و رفاه اجتماعی رشد فراگیر اقتصادی را مهم‌ترین راهبرد دولت یازدهم دانست و گفت: رشدی که همه قشرهای جامعه به‌ویژه محرومان را دربرمی گیرد،  باید به کاهش فقر منجر شود و فاصله طبقاتی تنزل یابد. ربیعی تخصیص ١٠‌هزار ‌میلیارد ریال برای ایجاد اشتغالزایی در‌ سال آتی را در صورت اولویت‌بندی استان‌ها، آموزش و توانمندسازی نیروی انسانی براساس نیازهای منطقه، موثر دانست. او گفت: دولت یازدهم وارث دورانی است که نیروی انسانی و جمعیت دانش‌آموخته پشت درهای بازار کار جمع شده بود.

هزینه سنگینی برای رشد منفی اقتصاد پرداخت کردیم

مسعود نیلی که درهمایش رشد فراگیر و تأویلی از اقتصاد مقاومتی سخن می‌گفت؛ به روند شاخص تولید ناخالص داخلی سرانه کشور از اوایل دهه ۸۰ اشاره کرد و گفت: این شاخص در سال‌های اولیه نیمه دوم دهه ۸۰ حدود ۵.۳‌درصد بود که بعد از آن با دو دوره رشد منفی مواجه شد، به‌طوری که در سال‌های ۹۱ و ۹۲ همزمان با تحریم‌های جدید این رشد به شدت کاهش یافت، اما بعد از آن شاهد افزایش ملایم شاخص تولید ناخالص داخلی سرانه بودیم.مشاور اقتصادی رئیس‌جمهوری همچنین افزود: اگر روند رشد این شاخص از نیمه دهه۸۰ ادامه داشت، نرخ شاخص تولید ناخالص داخلی سرانه درحال حاضر ۱.۵ برابر بیش از نرخ فعلی بود، اما متاسفانه طی ۱۰‌سال گذشته هزینه سنگینی بابت رشد منفی اقتصادی پرداخت کردیم و درحال حاضر آثار این شرایط در وضع اقتصادی خانوارها مشاهده می‌شود.

افزایش آسیب‌های اجتماعی با بیکاری

نیلی آسیب‌های اقتصادی و اجتماعی را دو عارضه بیکاری عنوان کرد و افزود: به دلیل این‌که بخشی از جمعیت متولدین اواخر دهه۵۰ و اوایل دهه۶۰ از سن اشتغال عبور کردند و موفق به عبور به بازار کار نشدند، این موضوع سن ازدواج را با تأخیر مواجه کرد و آسیب‌های اجتماعی را در بین جمعیت جوان افزایش داد. از طرفی دربخش عارضه اقتصادی حجم زیادی از متقاضیان جویای کار به دلیل این‌که خالص اشتغال افزایش پیدا نکرد، به سال‌های آینده موکول شد. نیلی با اشاره به این‌که کشور در سال‌های آینده با پدیده مقیاس بزرگ ورود به بازار کار مواجه خواهد شد، افزود: اگر رشد پایین در اقتصاد ادامه داشته باشد، برای کشور مشکل‌ساز خواهد بود؛ برای خروج از بحران باید با استفاده از سرمایه‌های خارجی وارد عمل شد.

رقم  ۱۸‌  درصدی بیکاران به ۶۰  ‌درصد افزایش یافت

اما مرکز آمار درحالی در جدیدترین گزارش خود از افزایش نرخ بیکاری به ١٢,٦‌درصد خبر داده که نیلی عملکرد دولت در ایجاد شغل را مناسب دانسته و می‌گوید که در ‌سال ۹۵ از یک‌میلیون و۲۴۰‌هزار نفری که وارد بازار کار شده‌اند، ۷۴۳‌هزار نفر شغل پیدا کرده‌اند که رکورد قابل توجهی است.

او البته از آمار تلخ دیگری پرده برداشته و می‌افزاید: دراین مدت ۵۵۰‌هزار نفر هم بیکار شده‌اند که این هم رقم بزرگی است. درواقع ۸۲‌درصد افرادی که در ‌سال ۹۳ شغل پیدا کرده‌اند، به ۴۰‌درصد در ‌سال ۹۵ رسیده و رقم ۱۸‌درصدی بیکاران در ‌سال ۹۳ به ۶۰‌درصد در ‌سال ۹۵ افزایش یافته است. به گفته مشاور اقتصادی رئیس‌جمهوری همچنین در تابستان ۹۵ تعداد کسانی که شغل پیدا کرده‌اند، به ۴۹‌درصد و تعداد بیکارشدگان به ۵۱‌درصد رسیده که نشان می‌دهد افرادی که بیکار شده و افرادی که شغل پیدا کرده‌اند نصف نصف شده‌اند و این آمارها هشدار می‌دهد که ما با افزایش تدریجی بیکاری درکشور مواجه خواهیم شد و باید مراقب باشیم مسائل بزرگتری ایجاد نکند.

٢ کلید کنترل بحران اشتغال متولدین دهه 60

هرچند که مشاور اقتصادی رئیس‌جمهوری راهکار برون‌رفت از وضعیت فعلی را افزایش حجم سرمایه‌گذاری خارجی عنوان می‌کنند اما برخی از اقتصاددان‌ها بر ایجاد اشتغال انبوه تأکید می‌کنند.

میثم‌ هاشم‌خانی دراین‌باره به «شهروند» می‌گوید: برای مواجه‌نشدن به بحران ملی اشتغال درچند‌ سال آینده، ٢ راه پیش‌رو داریم. اول، با توجه به محدودیت منابع داخلی پس‌انداز و سرمایه‌گذاری، به هموارسازی مسیر سرمایه‌گذاری خارجی در حوزه‌های دارای اشتغالزایی مناسب بپردازیم. دوم، سرمایه‌گذاری‌های داخلی را ازحوزه‌های «سرمایه‌بر مانند خودروسازی، فولادسازی، پتروشیمی و امثالهم، به سمت فعالیت‌های اقتصادی «کم سرمایه» هدایت کنیم، یعنی حوزه‌هایی که برای تولید هر شغل در آنها، سرمایه‌گذاری کمی مورد نیاز است. مانند گردشگری، صنایع‌دستی و نیز کسب‌وکارهای مبتنی بر فناوری اطلاعات و اینترنت.

میثم ‌هاشم‌خانی افزود: نکته کلیدی آن است که کسب‌وکارهای سرمایه بر مانند خودروسازی و فولادسازی، عمدتا اشتغالزایی اندک دارند و به توزیع مستمر رانت‌های دولتی هم وابسته هستند. در نقطه مقابل در فعالیت‌های اقتصادی «کم سرمایه» و «کار بر» مانند گردشگری و نیز کسب وکارهای اینترنت محور، هیچ نیازی به اختصاص بودجه مستقیم از طرف دولت وجود ندارد. برای مثال در حوزه گردشگری، می‌توان صدها‌هزار شغل در کشور ایجاد کرد، بدون آن‌که نیاز به ریالی هزینه‌کرد از طرف دولت وجود داشته باشد و یا هیچ فشاری بر منابع پس‌انداز کشور وارد شود.

اقتصاد دانش‌بنیان راه یگانه و بی‌بدیل***

هنگام اقدام و عمل فرا رسیده است
*رخساره کاظم
بند نخست سیاست‌های کلی ابلاغی برنامه ششم به تحقق رشد اقتصادی شتابان، پایدار و اشتغال‌زا به میزان متوسط سالانه 8 درصد اشاره دارد. این در حالی است که عملکرد رشد اقتصادی کشور در دوره 1393-1384 به هیچ وجه رضایت‌بخش نبوده و این شاخص مهم که نشان‌دهنده قدرت اقتصاد کشور و افزایش بنیه اقتصادی است در این دوره به طور متوسط سالیانه 6/2 درصد رشد را نشان می‌دهد. حتی اگر به اتکای آمار و ارقام این دوره از تحولات کشور بسنده ننموده و رشد اقتصادی بلندمدت 50 سال گذشته را مبنا قرار دهیم باز هم عدد حدود 5 درصدی رشد متوسط سالانه بیانگر دوری از هدف تعیین شده است.

چه باید کرد؟ موتورهای محرکه‌ای که می‌توانند اقتصاد کشور را در چنین شاه‌راهی با شتاب و سرعت، پایدار و بدون نوسانات مزمن و اشتغالزا به پیش رانند چه ویژگی‌هایی دارند؟ بدون شک راهکارها و توصیه‌ها یگانه نیستند. از خلال تجربه سالیان کشور ایران و مسیر موفق طی شده توسط کشورهای پیشرو در دستیابی به رشدهای پایدار، توام با توزیع مناسب رفاه بین آحاد مردم، توصیه‌های متفاوتی که همگی نیز صحیح هستند و چاره ساز قابل استخراج است. از جمله آنها می‌توان به موارد قابل توجه زیر اشاره گذرا و اجمالی نمود.

رشد سرمایه‌گذاری ناچیز و حتی منفی موجب شده تا سوخت لازم برای حرکت، شتاب و اوجگیری اقتصاد فراهم نشود بدون شک عوامل گوناگون بازدارنده سرمایه‌گذاری داخلی و به ویژه خارجی، آنچنان که در آسیب‌شناسی و تحلیل متغیرهای کلان اقتصادی برنامه ششم نیز به آنها اشاره شده است، همچون مساعد نبودن فضای کسب وکار، مشکلات ناشی از تحریم‌های گسترده و کاهش درآمدهای نفتی و در نتیجه کاهش سرمایه‌گذاری‌های مکمل دولتی و عوامل فرهنگی و ترویج هراس از هرگونهسرمایه‌گذاری خارجی توسط برخیاقشار موثر، در شکل‌گیری این نرخ‌های بدون کفایت دخیل بوده‌اند. عدم استفاده مناسب از ظرفیت پس‌اندازهای ملی و انحراف آنها به سمت فعالیت‌های پربازده و غیرمولد از عوامل دیگر و موثر در رشد نامتناسب اقتصادی کشور است. بالاخره پایین بودن شاخص بهره‌وری از مجموع منابع در اختیار و ضرورت تامین حداقل یک سوم از رشد اقتصادی کشور با بالا بردن بهره‌وری از دیگر مولفه‌های موثر در دستیابی به هدف رشد 8 درصدی هستند.

اینها همه موثرند و اما همه داستان رشد این نیست. تحول چنین متغیرهایی باید بر بستری رخ دهد که بدون شک با مسیر و راه طی شده تا کنون متفاوت خواهد بود. برنامه ششم توسعه بر پایه محورهای سه‌گانه اقتصاد مقاومتی، پیشتازی در عرصه علم و فناوری و تعالی و مقاوم سازی فرهنگی تنظیم شده است. راهبرد دستیابی و دوام رشد اقتصادی یاد شده نیز چه در برنامه ششم و چه در سیاست‌های اقتصاد مقاومتی،دانش‌بنیان نمودن اقتصاد عنوان شده است. پایه و اساس این چنین رشدی با اتکای به منابع لایزال، کاهش ناپذیر و به گونه‌ای فزاینده قابل افزایش، یعنی انباشت دانش و تجربه استوار شدهاست. بنابراین تحکیم این ستون پایدار یک ضرورت بدون چون و چرای ملی است.برای ایجاد و تقویت اقتصاد دانش‌بنیان به مثابه یک راهبرد اساسی توسعه کشور ابتدا باید مولفه‌های دانش‌بنیانی را تقویت نمود آنگاه در تمامی بخش‌های اقتصادی به تقویت کاربرد دانش در تولید و توزیع کالاها و خدمات همت گماشت.

متناسب‌سازی نظام آموزشی کشور، اعم از آموزش عمومی، فنی‌وحرفه‌ای و عالی با مجموعه نیازمندی‌های اقتصادی و اجتماعی کشور و تحولات ناگزیر در عرصه‌های فناوری و ویژگی‌های مترتب بر یک اقتصاد‌ دانش‌پایه، اولین گام در چنین مسیر بی‌بدیلی است. همچنین تکمیل و توسعه زیر‌ساخت‌های فناوری اطلاعات‌و‌ارتباطات در کشور یک ضرورت ملی است. علاوه بر آن افزایش دسترسی سریع، مطمئن، پرکیفیت و ارزان بهانواع امکانات ارتباطی گسترده درعصر اطلاعات، یک خواسته همگانی مصرف‌کنندگان و بنگاه‌ها است. بالاخره چگونگی توسعه و بهره‌برداری از مجموعه اطلاعات و فناوری‌های نوین اطلاعاتی و ارتباطی در مدیریت زنجیره تولید تا مصرف کالاها و خدمات و نهادینه کردن و کاربرد دانش در این زنجیره،گام اساسی دیگری است که باید برداشته شود.

اما مهم‌ترین گام برای تحقق اقتصاد دانش‌بنیان شامل مجموعه اقداماتی است که باید در عرصه ظرفیت‌سازی و کاربرد تحقیق ‌و توسعه در کشور و اصلاح نظام ملی نوآوری به منظور تکمیل موثر چرخه ایده تا محصول و تجاری‌سازی نوآوری برداشته شود. چنین گام مهمی نیازمند توجه به مولفه‌های گوناگون از جمله، تامین مالی مناسب، تقویت زیرساخت‌های حقوقی و نهادی، بازنگری در وظایف دولت و بنگاه‌ها در عرصه تحقیق و توسعه و باز‌تنظیم آنها،بازنگری در مجموعه نظام ملی نوآوری و از جمله اصلی‌‌ترین مولفه‌های آن، نقش ذینفعان و بازیگران وفرایندهای حاکم و چگونگی تسهیل و حمایت از عملکردهای آن خواهد بود.

به نظر می‌رسد اصلی‌ترین وظیفه دست‌اندرکاران، سیاستگذاران و برنامه‌ریزان نظام ملی نوآوری آن است که در چرخه ایده تا محصول به شناسایی و رفع موانع، همچنین تعبیه سازوکارهای‌ لازم برای بکارگیری دستاوردهای تحقیق و توسعه در تولید و ایجاد بازار برای آن محصولات همت گمارند. اینک باید پذیرفت که رشد مقالات علمی و نشر آنها در ژورنال‌های معتبر داخلی و خارجی، یک گام ضرور است، اما تمام مسیر نیست. دانش نهفته در تحقیق آنگاه به ثروت تبدیل می‌شود که به تولید محصول و خدمت جدید یا تحول قابل توجه در فرایندهای تولید بیانجامد. اقتصاد دانش‌بنیان در جوهره خود نوآوری در تولید را به همراه دارد که تولید فزاینده با استفاده از منابع کمتر و قیمت ارزان‌تر دستاورد آن است. بدون شک طی نمودن این مسیر دشوار موانع گوناگونی دارد. این موانع، گاه با منافع سرشار گروه‌های ذی‌نفوذ از یک سو و ناآگاهی و تصورات غلط علمی و فرهنگی از سوی دیگر،گره می‌خورند. تولید و ارتقای تولید و کسب سهم از بازار، یعنی محدود شدن خرید کالاهای مشابه وارداتی و کاهش درآمدهای سرشار آن برای افراد حقیقی و حقوقی که سالیان طولانی از مسیر راحت وبعضا انحصاری واردات کالاها به ثروت‌های سرشار دست یافته‌اند. درحالی‌که این گونه از محصولات به شکل‌های مختلف به بازار داخلی راه می‌یابند، آن زمان که دانش داخلی پشتوانه دستیابی به فناوری‌های تولید چنین محصولاتی می‌شوند انواع مباحث، آنهم نه در مسیر علمی خود بلکه در لباستریبون‌ها و نوشته‌های غیرعلمی و مطرح نمودنمطالب غلط در حوزه‌های زیست‌محیطی و سلامت و بهداشت انسان‌ها، مسیر تجاری‌سازی را دشوار و پرهزینه می‌نمایند.

بنابراین، یک جنبه مهم از اقدام و عمل برای پیاده‌سازی اقتصاد دانش‌بنیان و تبدیل ایده‌ به ثروت، فعالیت گسترده علمی و فرهنگی برای غلبه بر جوسازی‌ها و موانعی است که بسیاری از آنها به صورت آگاهانه ایجاد می‌شوند. همزمان با آن، طراحی اجزای نقشه راه اقتصاد دانش‌بنیان و برنامه عمل ملی مبتنی بر این نقشه راه و رصد دائمی اقدامات، تکمیل کننده ایجاد محیط مناسب فرهنگی و مقابله با عوامزدگی‌ها و شتابزدگی‌ها خواهد بود.

کارشناس ارشد جامعه شناسی*

یادگیری ماشینی، پر پرواز تبلیغات هوشمند

هوشمندی تبلیغات، ارمغان عصر جدید
یادگیری ماشینی، پر پرواز تبلیغات هوشمند
یادگیری ماشینی راهی طولانی را از سرزمین هالیوود و روبات‌های پرزرق‌وبرق پیموده است تا به جریان اصلی زندگی ما وارد شود. در فیلم‌های هالیوودی از روبات‌ها به عنوان جایگزینی برای انسان‌ها یاد شده است. اما واقعیت این است که امروزه دنیای صنعت برای تکمیل بسیاری از وظایف خود از یادگیری ماشینی استفاده می‌کند. کافی است به پیرامون زندگی خود نگاهی بیندازید تا متوجه شوید این فناوری چگونه توانسته است بهره‌وری و عملکرد کاری شما و سازمانتان را بهبود بخشد؛ حتی در کارهایی همچون موسیقی، سرویس‌دهی به مشتریان، بازی‌های ویدیویی، معاملات بانکی، گزارش‌های خبری و البته تبلیغات. یادگیری ماشینی قدرتی باورنکردنی به متخصصان این حوزه‌ها داده است.

این مطلب یکی از مقالات پرونده ویژه «تبلیغات و بازاریابی آنلاین» منتشر شده در شماره ۱۸۶ ماهنامه شبکه است. برای دانلود کل پرونده ویژه می‌توانید اینجا کلیک کنید. 

با وجود این، یادگیری ماشینی برای بسیاری از مردم همچون جعبه‌ای سربه‌مهر است. عامه مردم گمان می‌کنند که این مفهوم، عجیب و علمی بوده و درک آن با دشواری همراه است. در حالی که بسیاری از حرفه‌ای‌های این حوزه یادگیری ماشینی را فناوری سطح بالایی توصیف می‌کنند، این فناوری آن‌گونه که باید و شاید در حوزه تبلیغات به شکل صریح و روشنی تعریف نشده است تا به مردم اعلام کند که در بازاریابی‌های امروزی، بازاریاب‌ها می‌توانند از این فناوری در برنامه‌های واقعی روزمره خود استفاده کنند.
آمارها نشان می‌دهند تبلیغات پخش‌شده در رسانه‌های مختلف، تا پایان سال 2016 حدود 600 میلیارد دلار عاید شرکت‌های فعال در زمینه تبلیغات و ناشران آن‌ها خواهد کرد و این صنعت را در مقایسه با صنایع دیگر، از نظر سودآوری در جایگاه نخست قرار خواهد داد. یادگیری ماشینی که به نوعی رهبری و هدایت یادگیری عمیق را بر عهده دارد، به فناوری کلیدی‌ای تبدیل شده است که در حال شکل‌دهی چشم‌انداز و آینده بسیاری از صنایع، از جمله تبلیغات است. یادگیری ماشینی با اتکا بر الگوریتم‌هایی که از داده‌های جمع‌آوری‌شده برای یادگیری استفاده می‌کنند، در اکثر مواقع در رویارویی با حجم سنگینی از داده‌ها، نتایج دقیقی را تولید می‌کند.


مطلب پیشنهادی

بنری برای تو
مقدمه پرونده ویژه تبلیغات و بازاریابی آنلاین

در عصر برنامه‌های هوشمند، داده‌ها سلطان بی‌رقیب هستند. سرویس‌هایی که بتوانند داده‌هایی با بالاترین کیفیت تولید کنند، می‌توانند به‌خوبی مدل‌ها را تأمین کرده و در نتیجه تجربه کاربری بهتری را در اختیار مخاطبان خود قرار دهند. نکته جالب توجه دیگر، کاهش نرخ میزبانی داده‌ها و افزایش حجم آن‌ها است. در طول پنج سال گذشته، داده‌ها رشد صعودی خیره‌کننده‌ای را تجربه کرده‌اند، در حالی که سیر صعودی هزینه میزبانی داده‌ها ناچیز بوده است. (شکل 1) برای مثال، شرکت تسلا تا امروز حدود 780 میلیون مایل داده‌های رانندگی را جمع‌آوری کرده است و در هر ده ساعت، میلیون‌‌ها رکورد داده‌ای به این حجم اضافه می‌کند؛ داده‌هایی که به‌منظور تغذیه مدل‌های مورد استفاده در ماشین‌های خودران استفاده می‌شوند. با وجود اینکه صنعت تبلیغات هوشمند در مقایسه با صنایع دیگر کمی از قافله عقب‌تر است، پیشرفت‌ها در این حوزه خیره‌کننده بوده‌اند.


شکل 1: در سال‌های 2010 تا 2015 رشد داده‌ها خیره‌کننده بود.http://www.blogsky.com/ht-csure/post/edit/8169465368

تعریف کوتاهی از یادگیری ماشینی
یادگیری ماشینی شاخه‌ای از هوش مصنوعی است که به کامپیوترها این توانایی را می‌دهد تا کارهایی همچون شناسایی مشکلات، پیش‌بینی رخدادها، کنترل عوامل متغیر و نتایج به‌دست‌آمده از آن‌ها و برنامه‌ریزی برای اشیا و سرویس‌ها را بدون آنکه به برنامه‌نویسی صریحی برای انجام این‌گونه کارها ضرورتی باشد، مدیریت کنند. برای این منظور پژوهشگران الگوریتم‌ها را با پارامترها و داده‌هایی که مدل‌ها به آن‌ها نیاز دارند، تأمین می‌کنند. در ادامه، این الگوریتم‌ها خود می‌آموزند که چگونه باید با استفاده از داده‌های جدید رشد و تغییر کنند. اگر یادگیری ماشینی با داده‌ها و اطلاعاتی از آینده تأمین شود، این توانایی را به شما می‌دهد تا چشم‌اندازها و اتفاقات حوزه کاری خود را در آینده مشاهده و پیش‌بینی کنید. بدون شک، این کاربرد هر صنعتی را که درباره آن فکر می‌کنید، تحت تأثیر قرار می‌دهد و اثر شگرفی بر تبلیغات نیز خواهد گذاشت؛ به گونه‌ای که بازاریابان قادر خواهند بود تبلیغات هدفمند را آماده کرده و این تبلیغات را برای مخاطبان شناخته‌شده ارسال کنند. اگر شما بازاریابی هستید که واژگانی همچون برنامه‌ریزی داده‌محور و هوش مصنوعی به گوشتان خورده است، باید بدانید این ابزارها کلید موفقیت شما خواهند بود.

در دنیای تبلیغات و بازاریابی، مهم‌ترین اصل این است که شناخت دقیقی از مخاطبان خود داشته باشید. این شناخت و درک درست اجازه می‌دهد سرویس‌های درستی را به مخاطبان هدف ارایه داده و به این شکل میزان فروش خود را افزایش دهید

اگر در تلاش برای کشف این موضوع هستید که چگونه یادگیری ماشینی می‌تواند در ارائه بهتر تبلیغات کمک کند، بدانید که در این راه تنها نیستید. کافی است سری به بازارهای بورس جهانی بزنید تا مشاهده کنید چگونه بانک‌های بزرگ بین‌المللی از یادگیری ماشینی برای پیش‌بینی سیر صعودی یا نزولی ارزش سهام استفاده می‌کنند و می‌توانند هر ثانیه از این تحولات را پیش‌بینی کنند. این بانک‌ها به‌راحتی دامنه، ارتفاع و نقطه شکست هر ارز را با کمک هوش مصنوعی پیش‌بینی می‌کنند و به این شکل مانع ضرر و زیان خود می‌شوند.

بازاریابی به معنای شناخت جزئیات است
در دنیای تبلیغات و بازاریابی، مهم‌ترین اصل این است که شناخت دقیقی از مخاطبان خود داشته باشید. این شناخت و درک درست اجازه می‌دهد سرویس‌های درستی را به مخاطبان هدف ارایه داده و به این شکل میزان فروش خود را افزایش دهید. این مهم‌ترین قاعده‌ای است که دنیای تبلیغات را متقاعد ساخته است یادگیری ماشینی و هوش مصنوعی به شکل خیره‌کننده‌ای می‌توانند به این صنعت کمک کرده و آن‌ را دستخوش تغییرات اساسی کنند. شاید این تجربه تلخ را داشته باشید که پس از خرید کالایی، به دلایل مختلف مانند متناسب نبودن با نیازهای شما، نداشتن قابلیت‌های کاربردی، کارایی پایین و مانند این‌ها، از خرید خود پشیمان شوید و درست چند روز بعد در گشت‌وگذار اینترنتی، تبلیغی را ببینید که مشابه کالای مورد نیاز شما را عرضه کرده است. این تکنیک بازاریابی تنها یکی از صدها راهکاری است که با کمک یادگیری ماشینی در اختیار شرکت‌های بازاریابی قرار دارد. ایمیل‌های سفارشی و هدفمند که برای مخاطبان ارسال می‌شود، یکی دیگر از کاربردهای جالب توجه یادگیری ماشینی به شمار می‌روند.

به حداکثر رساندن بهره‌وری تبلیغات
اگر جزو آن گروه از افرادی هستید که سال‌ها در صنعت بازاریابی و تبلیغات فعالیت داشته‌اند، روزگاری را که تبلیغات به طور دستی انجام می‌شد، به خاطر می‌آورید. شیوه‌های سنتی تبلیغات، در عصر جدید کارایی خود را از دست داده‌اند. این تکنیک‌ها دیگر قادر نیستند در زمینه بهینه‌سازی مکانیزم‌های تبلیغاتی یا گستر‌ش‌پذیری آن‌ها کمک کنند. این درست همان نقطه‌ای است که یادگیری ماشینی کمک می‌کند برنامه‌های تبلیغی خود را کارآمدتر کرده و اطمینان حاصل کنید سیاستی که در زمینه تبلیغات در پیش گرفته‌اید، در مسیر درست و به همان شکلی که انتظار دارید به جلو حرکت خواهد کرد. با اتکا بر سلسله عملیات بسیار پیچیده‌ای، یادگیری ماشینی کمک می‌کند تا میزان بهینه‌سازی یک تبلیغ به‌منظور اثرگذاری مضاعف بر مخاطبان هدف را تعیین کنید. برای مثال، شرکت مک‌دونالد برای آنکه بتواند مشتریان بیشتری جذب کند، از چنین الگوریتم‌هایی بهره برد و تصمیم گرفت از چهره افراد برجسته‌ای همچون شکسپیر، انیشتین و آوستین در فهرست جدید خود موسوم به The 12 استفاده کرده و به مخاطبان خود اعلام کند که افراد بزرگ پیش از پرداختن به حل مسائل بزرگ‌تر، ابتدا مسئله ناهار را حل کرده‌اند. (شکل دو و سه)


شکل 2 و 3: پوسترهای تبلیغاتی خلاقانه مک‌دونالد

برای دستیابی به چنین راهکارهای خلاقانه‌ای، الگوریتم انتخابی باید درباره معیارهای کارکردی که به شما در رسیدن به هدفتان کمک خواهد کرد، اطلاعات کافی داشته باشد. نرخ کلیک‌ها در لینک‌های اینترنتی یا نرخ نصب‌های یک برنامه کاربردی از جمله این موارد هستند. هر زمان چنین داده‌هایی در اختیار یادگیری ماشینی قرار داشته باشد، می‌تواند میزان اثرگذاری یک پیشنهاد تبلیغاتی را ارزیابی کند. داده‌های مورد نیاز برای چنین رویکردی از منابع مختلفی استخراج می‌شوند، اما نکته مهم این است که باید منابع مالی خوبی در اختیار داشته باشید تا بتوانید نتایج بهتری به دست بیاورید. 

سرمایه‌گذاری با نگاه کردن به اهداف مشابه
بدون شک الگوریتم‌های فیسبوک که داده‌های ارزشمندی در اختیار ما قرار داده و به این شکل فرصت‌های منحصربه‌فردی در زمینه شناسایی فراهم کرده‌اند، بهترین کمک هستند. آیا به یاد می‌آورید زمانی‌که در فیسبوک عضو شدید، اطلاعاتی درباره علائق شخصی خود، برنامه‌های تلویزیونی که مشاهده می‌کنید، تیم‌های ورزشی که اخبار مربوط به آن‌ها را دنبال می‌کنید و مانند این‌ها را در پروفایل خود وارد کردید؟ اطلاعاتی که آن زمان در پروفایل خود قرار دادید، امروزه به‌منظور ارائه تبلیغات و بازاریابی مؤثر استفاده می‌شوند. الگوریتم یادگیری ماشینی می‌تواند کلاستری از مخاطبان خاص را بر مبنای اینکه تبلیغات هدفمند برای کدام‌یک از این گروه‌ها ارزشمند‌تر است، ایجاد کند. برای مثال، یک الگوریتم ممکن است آگاه شده باشد که زنان بالای سی سال به طور اتفاقی در فضای مجازی به دنبال بازی‌های آنلاین و متعاقب آن به دنبال آموزش‌های مرتبط با این بازی‌ها هستند. این اطلاعات برای بازاریابان ارسال می‌شود و تبلیغات مربوط به این آموزش‌ها بر مبنای فعالیتی که این گروه از مخاطبان انجام می‌دهند، در مکان‌های مختلفی به آن‌ها نشان داده می‌شود. امروزه یادگیری ماشینی به شرکت‌های تبلیغاتی کمک کرده است تا تبلیغات محلی را ویژه افرادی که در موقعیت‌های جغرافیایی مختلف قرار دارند، به صورت هدفمند نشان دهند. 

داده‌کاوی به‌منظور بهینه‌سازی اهداف
مهم نیست چه نوع فعالیتی در فضای آنلاین انجام داده‌اید، با هر بار کلیک کردن روی لینک‌های مستقر در سایت‌ها یا حتی بازدید از سایت‌ها، زمانی‌که قصد خروج از این فضا را دارید، ردپایی از شما بر جای می‌ماند. به عنوان یک بازاریاب، باید ردپای به‌جامانده را درک کنید و قادر به تفسیر آن باشید. این تفسیر و تحلیل کمک می‌کند اطلاعات بیشتری درباره افرادی که به عنوان اهداف خود مشخص کرده‌اید، به دست آورید. اما این تکنیک با یک مشکل روبه‌رو است؛ این اطلاعات به صورت پراکنده در اختیار ارائه‌دهندگان سرویس‌ها قرار دارد و همین موضوع باعث می‌شود در بیشتر موارد اطلاعات ناقصی از مخاطبان خود به دست آورند. سرویس‌های داده‌ای از مدل‌های آماری که به صورت پویا ساخته شده‌اند، برای استخراج اطلاعات اضافی‌تر درباره مردم استفاده می‌کنند. این اطلاعات می‌توانند از طریق ناشران یا داده‌های اجتماعی همچون تعداد لایک‌ها و بازبینی‌ها به دست آید.  اگر مکانیزمی در اختیار داشته باشید تا بتواند چنین داده‌هایی را جمع‌آوری کند، بدان معنا است که به میزان باورنکردنی درباره جزئیات مربوط به مخاطبان خود اطلاعات به دست آورده‌اید و در نتیجه می‌توانید به بهترین شکل ممکن زمان خود را صرف بهینه‌سازی نحوه ارائه تبلیغات کنید و به شکل تأثیرگذاری آن‌ها را به مخاطبان خود نشان دهید؛ به‌طوری که تبلیغات به شکل هوشمندانه‌ای در زمان و مکان مناسبی به مخاطبان نشان داده شود.

پیش‌بینی اثرگذاری
یکی از جالب‌ترین کاربردهای یادگیری ماشینی در حوزه تبلیغات، توانایی پیش‌بینی اثرگذاری تبلیغات است؛ پیش از آنکه به دست مشتریان هدف برسد. امروزه تبلیغ‌کنندگان می‌توانند از داده‌های آماری و تاریخی که درباره تبلیغات قبلی در اختیار دارند و تأثیرگذاری آن‌ها به اثبات رسیده است، در تبلیغات مشابه استفاده کنند. این قابلیت به آن‌ها اجازه می‌دهد تا انتخاب‌های خلاقانه و هوشمندی را به‌منظور به حداکثر رساندن بهره‌وری ارائه کنند.

سفارشی‌سازی
با استناد به مطالعه‌ای که به‌تازگی انجام شده است، زمانی که از بازاریابان سؤال شد به نظر آن‌ها مهم‌ترین قابلیتی که می‌تواند بر آینده صنعت تبلیغات تأثیرگذار باشد، چه ویژگی‌ای است، همگان هم‌نظر بودند که شخصی‌سازی در مکان نخست این فهرست قرار دارد. الگوریتم‌های یادگیری ماشینی می‌توانند ویژگی‌های مصرف‌کنندگان همچون علایق، خرید‌های مشتریان و دموگرافی‌ها (علم تحقیق در جمعیت‌های انسانی) را در قالب خوشه‌هایی شبیه به الگوهای جست‌وجو گروه‌بندی کنند و به تحلیل آن‌ها بپردازند. این دسته‌بندی برای شناسایی انواع مختلفی از تیپ‌های شخصیتی و شناسایی مخاطبانی در رده‌های سنی مختلف استفاده می‌شود. این راهکار به تبلیغ‌دهندگان اجازه می‌دهد تبلیغات به‌شدت قانع‌کننده‌ای را بر اساس شخصیت افراد و گروه سنی آن‌ها طراحی کنند.

با اتکا بر سلسله عملیات بسیار پیچیده‌ای، یادگیری ماشینی کمک می‌کند تا میزان بهینه‌سازی یک تبلیغ به‌منظور اثرگذاری مضاعف بر مخاطبان هدف را تعیین کنید

مشخص کردن محتوا
امروزه یادگیری ماشینی به اهرمی برای به اشتراک‌گذاری محتوا روی پلتفرم‌های مختلف تبدیل شده‌‌ است. این اهرم به تبلیغ‌کنندگان اجازه می‌دهد مخاطبان خود را به‌درستی شناسایی کنند و در ادامه محتوای درست متعلق به یک برند را به دست مخاطب خود برسانند. یادگیری ماشینی همچنین به‌منظور شناسایی این موضوعات که آیا محتوایی که درباره آن قرار است صحبت شود، این ظرفیت را دارد تا برای یک برند ارزش‌آفرینی کند، آیا مخاطبان می‌توانند از این اطلاعات برای اخذ یک تصمیم‌ هوشمندانه استفاده کنند و محتوا روی کدام‌یک از رسانه‌های امروزی بهتر جواب می‌دهد، استفاده می‌شود و به‌شدت محبوب شده است. 

زمان و مکان
قرار دادن آگهی‌ها در زمان درست، برای موفقیت یک کمپین اهمیت فوق‌العاده‌ای دارد. زمانی‌که مصرف‌کنندگان در جست‌وجوی نیازهای شخصی هستند، تبلیغات غیرمرتبط به‌شدت درک و شناختی منفی در خصوص یک برند به وجود می‌آورند. یادگیری ماشینی می‌تواند مکان و زمان مناسبی را که تبلیغات باید روی رسانه انتخابی کاربر نشان داده شوند، تعیین کند. وزن متغیرها، مواردی همچون نرخ کلیک (CTR) سرنام click-through-rate و مدت‌زمانی که کاربر صرف بازدید از صفحات کرده است، از جمله موضوعاتی هستند که یادگیری ماشینی به‌خوبی آ‌ن‌ها را تحلیل می‌کند.

شناسایی تقلب
کلیک‌های نادرست یکی از بزرگ‌ترین نگرانی‌هایی است که در دنیای تبلیغات وجود دارد. یادگیری ماشینی به‌خوبی کلیک‌های جعلی را شناسایی می‌کند. یادگیری ماشینی با تجزیه‌وتحلیل عادت‌های عادی و متعلق به گذشته در مقایسه با کلیک‌های نامشروع، می‌تواند تعیین کند آیا یک کلیک واقعاً مشروعیت دارد یا غیرواقعی است. در نتیجه تبلیغ‌کنندگان به‌راحتی قادر به کشف و مشاهده اعداد واقعی خواهند بود و به این شکل الگوی رفتاری و معمول مخاطبان در یک کمپین را شناسایی می‌کنند. گوگل از این تکنیک به‌منظور شناسایی تقلب‌هایی که ممکن است در سرویس Adwords به وجود آید، استفاده می‌کند. 

پیش‌بینی موفقیت
پیش از اینکه یک کمپین تبلیغاتی کار خود را آغاز کند، دست‌اندرکاران باید تحلیل‌های جامعی درباره موفق بودن آن کمپین انجام دهند. یادگیری ماشینی می‌تواند بر اساس اطلاعات به‌دست‌آمده از کمپین‌های قبلی، همچون نوع محصول، نوع تبلیغات، نوع محتوا و اطلاعات کاربر، پیش‌بینی‌های هوشمندانه‌ای درباره موفقیت احتمالی یک کمپین ارائه کند. این تکنیک در ایجاد تغییرات و افزایش ضریب موفقیت یک کمپین پیش از آنکه به مرحله اجرایی وارد شود، نقش بسزایی دارد.

در نهایت
امروزه الگوریتم‌ها تأثیرگذاری محسوسی بر تبلیغات و کارآمدتر کردن آ‌ن‌ها دارند. در حال حاضر، هیچ کس در حوزه تبلیغات نمی‌تواند ادعا کند تمامی راه‌های ممکن برای ارائه مؤثر تبلیغات را در اختیار دارد و می‌تواند تمامی اطلاعات را به‌خوبی درک کند. ما هنوز به دورانی وارد نشده‌ایم که بسیاری از مشاغل تحت سلطه روبات‌ها قرار داشته باشند، اما در دورانی هستیم که الگوریتم‌های ماشینی می‌توانند تأثیرگذاری شگرفی بر صنعت تبلیغات داشته باشند؛ به دلیل اینکه به شکل باورنکردنی جزئیات بسیاری درباره اهداف عرضه کرده و تحلیل‌های آماری قدرتمندی در این زمینه ارائه می‌کنند.

 

بیمه‌گر ژاپنی هوش مصنوعی را جایگزین 34 کارمند خود کرد

قربانیان تازه هوش مصنوعی
بیمه‌گر ژاپنی هوش مصنوعی را جایگزین 34 کارمند خود کرد
به نظر شما ماشین‌آلات هوشمند چه زمانی جایگزین انسان‌ها خواهند شد؟ آینده خیلی دور یا خیلی نزدیک؟ به نظر می‌رسد، سامانه‌های هوشمند در زمان حال به این سوال پاسخ داده‌اند. در جدیدترین مورد یک شرکت بیمه‌گر ژاپنی بیش از 30 نفر از کارکنان خود را اخراج خواهد کرد و به جای آن‌ها از یک سامانه هوشمند به منظور محاسبه حق بیمه‌ای که باید به بیمه‌گذاران پرداخت شود، استفاده کرد.

شرکت بیمه‌گر Fukoku Mutual Life بر این باور است که با جایگزین کردن ماشین‌های هوشمند قادر است بهره‌وری خود را به میزان 30 درصد افزایش دهد. به طوری که در کمتر از دو سال هزینه‌ای که در این راه سرمایه‌گذاری کرده است را به دست آورد. این شرکت گفته است: «سیستم فوق به ارزش 200 میلیون ین تا اواخر ماه جاری میلادی نصب خواهد شد، برآورد ما این است که به واسطه این سامانه هر ساله بتوانیم در حدود 140 میلیون ین صرفه‌جویی داشته باشیم.»

در حالی که بعید به نظر می‌رسد رویکرد این شرکت از سوی کارکنان مورد استقبال قرار گیرد، با این وجود با پایان یافتن ماه مارس (اواسط فروردین) تعداد 34 نفر از کارکنان این شرکت شغل خود را از دست خواهند داد. این سامانه بر مبنای سامانه شناختی واتسون آی‌بی‌ام کار می‌کند. سامانه‌ای که شبیه به یک انسان فکر می‌کند و قادر است تمامی اطلاعاتی که در اختیارش قرار می‌گیرد را مورد تجزیه و تحلیل قرار دهد. متون، فایل‌های صوتی و فایل‌های ویدیویی از جمله داده‌هایی هستند که این سامانه قادر است آن‌ها را پردازش کند.


مطلب پیشنهادی

سایت ماینیچی شیمبوان، در این ارتباط گفته است: «فناوری فوق قادر است ده‌ها هزار گواهی پزشکی در ارتباط با مدت زمان اقامت بیمار در بیمارستان، تاریخچه پزشکی و هرگونه عمل جراحی که یک بیمار انجام داده است را محاسبه کرده و نتیجه را در اختیار این شرکت بیمه‌گر قرار دهد.» در حالی که به کارگیری یک سامانه هوشمند از سوی شرکت Fukoku به شکل قابل توجهی در زمان این شرکت صرفه‌جویی می‌کند،  با این حال گزارش آماده شده تنها زمانی قابل استناد خواهد بود که یک عامل انسانی صحت درستی آن‌را مورد تایید قرار دهد. لازم به توضیح است که این شرکت هر ساله 132 هزار گواهی‌ و بازپرداخت‌ سالانه را مورد بررسی قرار می‌دهد.

افزایش سن افراد جامعه و قابلیت‌هایی که فناوری‌ روباتیک در اختیار شرکت‌های ژاپنی قرار می‌دهد، یک فرصت ناب را به وجود آورده است تا هوش مصنوعی در این کشور مورد آزمایش قرار گیرد. گزارشی که در سال 2015 میلادی از سوی موسسه تحقیقاتی نومورا منتشر شد، نشان می‌دهد نزدیک به نیمی از مشاغل ژاپن تا سال 2035 به طور کامل در اختیار روبات‌ها قرار خواهد گرفت.


مطلب پیشنهادی

رهایی از یکی از خسته کننده‎ترین کارهای روزمره

لازم به توضیح است، پیش از این نیز، موسسه دیگری به نام Dai-Ichi-Life از یک سامانه هوشمند مبتنی بر واتسون استفاده کرده بود. با این وجود در آن موسسه هیچ‌یک از کارمندان شغل خود را از دست نداده بودند. به نظر می‌رسد هوش مصنوعی نقش مهمی در سیاست‌های آتی کشور ژاپن بازی خواهد کرد. ماه آینده میلادی قرار است وزارتخانه صنعت، تجارت و اقتصاد ژاپن به صورت آزمایشی از هوش مصنوعی به منظور کمک به کارمندان دولت استفاده کند. در این طرح آزمایشی هوش مصنوعی به کارکنان دولت کمک می‌کند تا پیش‌نویس‌هایی که قرار است در جلسات هییت دولت مطرح شوند را آماده کنند. آژانس خبری جی‌جی گزارش کرده است: «اگر این آزمایش موفقیت‌آمیز باشد، سازمان‌های دولتی دیگر نیز به سمت استفاده از هوش مصنوعی متمایل خواهند شد.» اما عده‌ای از اندیشمندان ژاپنی دیدگاه متفاوتی در این ارتباط دارند. نوریکا آرای، استاد موسسه ملی انفورماتیک ژاپن در این ارتباط به آژانس خبری کیودو گفته است: «هوش مصنوعی برای پاسخ‌گویی به هر سوالی مناسب نیست. به دلیل این‌که هنوز این توانایی را ندارد تا درک گسترده‌ای از مفاهیم مختلف داشته باشد.»

راهبرد مدیریت دانش، سرمایه‌های فکری را جذب می‌کند

راهبرد مدیریت دانش، سرمایه‌های فکری را جذب می‌کند
در دنیای کسب و کار امروزی که به‌شدت رقابتی است، دانش به‌عنوان یکی از ارکان اصلی رقابت‌پذیری کسب و کارها شناخته می‌شود. در این برهه زمانی تنها کسب‌وکارهایی موفق خواهند بود که بتوانند سرمایه‌های دانشی خود را به‌شکل پایداری در قالب فعالیت‌های عملیاتی مدیریت کنند. سرمایه‌های دانشی که قادر هستند سازمان‌ها را به‌سمت اهداف تعیین شده سوق داده و بالاترین بهره‌وری را در اختیار کسب‌وکارها قرار دهند.

اگر به ساختار داخلی سازمان‌ها در سال‌های اخیر نگاهی داشته باشیم، مشاهده می‌کنیم که سازمان‌ها پیوستن به روند دانش بنیانی را آغاز کرده‌اند. مفاهیم جدیدی همچون کاردانشی، دانش کار، مدیریت دانش و سازمان‌های دانشی حکایت از شدت گرفتن این روند دارند. پیتر دراکر در این باره گفته است: «این مفاهیم به‌ما اعلام می‌دارند در سازمان‌های جدید قدرت بازو جای خود را به قدرت ذهن داده است. به‌طوری که در آینده تنها جوامعی باید انتظار پیشرفت را داشته باشند که از دانش بیشتری برخوردار باشند.» اقتصاد دانش‌محور این پتانسیل را دارد تا یک کشور را در ابعاد اقتصادی، اجتماعی و فرهنگی به شکوفایی برساند.

به‌طوری که اهمیت در اختیار داشتن دانش از منابع طبیعی مهم‌تر خواهد بود. اما سوال اصلی این است که مدیریت دانش چیست؟ مدیریت دانش به بهره‌وری و توسعه دارایی‌های دانشی یک سازمان در جهت نیل به اهداف تعیین شده در سازمان اشاره دارد. در این تعریف هم دانش عینی و هم دانش ضمنی لحاظ می‌شود. مدیریت دانش تمامی روندهای شناسایی، اشتراک و تولید دانش را در بر می‌گیرد. 



مطلب پیشنهادی

پهبادی که بال می‌زند!
ترکیب یک پرنده و یک هواپیما منجر به ساخت یک پهباد می‌شود

پرساک داونپورگ در ارتباط با اهمیت مدیریت دانش گفته است: «سازمان‌های هوشمند و بزرگ به‌خوبی می‌دانند که دانش یک سرمایه سازمانی است و قوانین درون سازمانی باید به‌گونه‌ای تدوین پیدا کرده و توسعه یابند تا از تولید و به‌اشتراک‌گذاری دانش پشتیبانی کنند.» اگر به الگوهای مدیریتی شرکت‌هایی همچون گوگل یا اپل نگاهی داشته باشیم، به‌خوبی این جمله داونپورگ را در سیاست‌های داخلی این شرکت‌ها مشاهده می‌کنیم. همان‌گونه که در مقاله مغز مصنوعی پنهان اپل در شماره 185 مجله به آن اشاره کردم، اپل به بهترین شکل ممکن زیرساخت مناسب برای پیشرفت و به اشتراک‌گذاری دانش را درون سازمان خود مهیا کرده است. اما سوال اصلی این است که چگونه می‌توانیم به دانش موردنیاز دست پیدا کنیم تا در ادامه بتوانیم آن‌را مدیریت کنیم.

در جواب باید بگوییم انقلاب فناوری اطلاعات نه‌متنها منجر به شکل‌گیری جامعه اطلاعاتی و توسعه سریع فناوری‌های برتری شد که در نهایت تاثیر خود را بر الگوی رشد اقتصادی جهانی بر جای گذاشت، بلکه سلسله تحولات زنجیره‌واری را به‌وجود آورد که در نهایت دانش را به‌عنوان مهم‌ترین سرمایه، جایگزین سرمایه‌های مالی و فیزیکی کرد. این تاثیرگذاری منجر به شکل‌گیری مفهومی به‌نام سرمایه فکری شد. برداشت‌ها و تعاریف مختلفی برای این مفهوم می‌توان ارائه کرد. به‌طور مثال، سرمایه فکری به دارایی‌ها و فاکتورهای تجاری و ضمنی یک سازمان اشاره دارد که تاثیر مهمی بر کارکرد و سایر معیارهای کلیدی موفقیت آن سازمان دارد. 

از سرمایه‌های فکری اغلب به‌نام دارایی‌های غیر ملموس یا ارزش‌های نهان یک سازمان یاد می‌شود. این سرمایه فکری یا همان دانش در دراز مدت ثروت‌آفرینی را برای یک سازمان رقم خواهند زد. جیا شان وانگ در این ارتباط گفته است: «در این بین سرمایه انسانی هسته اصلی و مرکزی سرمایه فکری به‌شمار رفته و نقش مهمی در ارزش‌آفرینی سازمان‌ها دارد.» حال که با مفهوم دانش و نحوه به‌دست آوردن آن آشنا شدید، باید بدانید دانش به‌عنوان یک منبع رقابت‌پذیر در سازمان‌ها شناخته می‌شود. در حالی که نقش دانش در پیشرفت سازمان‌ها کاملا مشهود است، با این وجود تنها تعداد محدودی از سازمان‌ها می‌توانند دانش را در مجموعه خود به‌درستی مدیریت کنند. گری اینکپن در این ارتباط گفته است: «تنها شرکت‌هایی در صحنه رقابت‌پذیری به‌ویژه در مقیاس جهانی پیروز می‌شوند که بتوانند دانش مناسب‌تری نسبت به رقبای خود در اختیار داشته باشند.»

با این وجود دانش خود به دو گروه تقسیم می‌شود. مایکل پولانی در سال 1966 گفت: « در حوزه دانش ما با دو گروه دانش صریح (Explicit Knowledge) و دانش ضمنی (Tacit Knowledge) روبرو هستیم. دانش صریح به‌راحتی قابل کپی کردن است، در حالی که دانش ضمنی این‌گونه نیست، به‌سختی می‌توان آن‌را با دیگران اشتراک‌ قرار داد و ریشه در بینش، تجربیات ارزش‌ها و حتی احساسات فرد دارد.» حال به آخرین پرسش این یادداشت می‌رسیم، چگونه می‌توان مدیریت دانش را در یک سازمان پیاده‌سازی کرد؟ اگر بخواهیم به‌طور فهرست‌وار به این پرسش پاسخ دهیم باید بگوییم، پیاده‌سازی یک برنامه مدیریت دانش به تعهد و حمایت مدیریت ارشد، آموزش مفاهیم مدیریت دانش در سطح سازمان، فراهم آوردن بستر فرهنگی مناسب، پیاده‌سازی زیرساخت سازمانی مناسب، پیاده‌سازی مراکز دانشی، اندازه‌ِگیری عملکرد دانش سازمان و در نهایت برنامه‌ریزی نیاز دارد. بدون شک با رعایت این فاکتورها و توجه بیش از پیش به پیاده‌سازی مدیریت دانش در سازمان‌های خصوصی و دولتی قادر خواهیم بود مسیر پیشرفت را در سریع‌ترین زمان پشت سر نهیم.